本文介绍了在数值计算中如何使用追赶法高效地求解三对角线性方程组，该方法在处理大型矩阵时具有优势。通过一个五阶方程组的实例，展示了追赶法的具体实现过程，并给出了Python代码实现，结果与传统方法对比验证了其正确性。
如果解决了你的问题，点个赞再走嘛٩(๑❛ᴗ❛๑)۶
目录
一、前言
1.在数值计算中，如三次样条插值或用差分法求解微分方程边值问题时会遇到三对角方程组。现在来讲一讲求解方法。
2.本文借鉴了https://www.bilibili.com/video/BV1aA41147Ab
二、方程组的特点
1.类型
2.要求
3.方法的优势
当矩阵比较大的时候用这种方法会快很多
三、算法步骤
四、例题+代码
1.用追赶法求解以下五阶方程组
2.代码
import numpy as np
A = np.array([[4, 1, 0, 0, 0],
[1, 4, 1, 0, 0],
[0, 1, 4, 1, 0],
[0, 0, 1, 4, 1],
[0, 0, 0, 1, 4]])
f = np.array([2, 1, 1, 1, 2])
# 一、左乘A逆
print('传统方法：', np.linalg.inv(A) @ f)
# 二、追赶法
a = np.array([0, 1, 1, 1, 1], dtype=float)
b = np.array([4, 4, 4, 4, 4], dtype=float)
c = np.array([1, 1, 1, 1, 0], dtype=float)
y = np.zeros(5)
B = np.zeros(5)
x = np.zeros(5)
y[0] = f[0] / b[0]
d = b[0]
for i in range(1, 5):
B[i - 1] = c[i - 1] / d
d = b[i] - a[i] * B[i - 1]
y[i] = (f[i] - a[i] * y[i - 1]) / d
x[4] = y[4]
for i in range(3, -1, -1):
x[i] = y[i] - B[i] * x[i + 1]
print('追赶法：', x)
求解结果：
传统方法： [0.48076923 0.07692308 0.21153846 0.07692308 0.48076923]
追赶法： [0.48076923 0.07692308 0.21153846 0.07692308 0.48076923]
扫一扫
2672
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
